一种基于类别最优匹配的多目标跟踪方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115908498A(43)申请公布日2023.04.04(21)申请号202211685567.8(22)申请日2022.12.27(71)申请人清华大学地址100084北京市海淀区清华园1号(72)发明人张新钰王力高镜涵李效宇吴新刚(74)专利代理机构北京三聚阳光知识产权代理有限公司11250专利代理师张建纲(51)Int.Cl.G06T7/246(2017.01)权利要求书2页说明书9页附图2页(54)发明名称一种基于类别最优匹配的多目标跟踪方法及装置(57)摘要本申请提供了一种基于类别最优匹配的多目标跟踪方法及装置，涉及智能驾驶技术领域，所述方法包括：获取检测器输出的当前图像帧中的所有运动目标的检测框，对检测框进行分类；利用上一图像帧中所有运动目标的运动信息，得到上一图像帧中所有运动目标在当前图像帧中的预测框；根据预先设定的每个类别的代价函数，计算所属类别的检测框和所有预测框的关联值，由此构建每个类别的第一关联代价矩阵；每个类别的代价函数为：二维交并比、三维交并比、二维广义交并比、三维广义交并比或欧氏距离；基于每个类别的第一关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框。本申请提高了检测框匹配的正确率，提高了多类别多目标的跟踪精度。CN115908498ACN115908498A权利要求书1/2页1.一种基于类别最优匹配的多目标跟踪方法，其特征在于，所述方法包括：获取检测器输出的当前图像帧中的所有运动目标的检测框，对检测框进行分类；利用上一图像帧中所有运动目标的运动信息，得到上一图像帧中所有运动目标在当前图像帧中的预测框；根据预先设定的每个类别的代价函数，计算所属类别的检测框和所有预测框的关联值，由此构建每个类别的第一关联代价矩阵；每个类别的代价函数为：二维交并比、三维交并比、二维广义交并比、三维广义交并比或欧氏距离；基于每个类别的第一关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框的目标序号。2.根据权利要求1所述的方法，其特征在于，所述检测框的信息包括：位置、运动方向、偏航角和速度；所述预测框的信息包括：目标序号、位置、运动方向、偏航角和速度。3.根据权利要求1所述的方法，其特征在于，所述运动目标的类别包括：行人，自行车，摩托车，卡车和汽车；行人的代价函数为三维交并比；自行车的代价函数为欧式距离；摩托车的代价函数为二维广义交并比；卡车的代价函数为二维交并比；汽车的代价函数为三维广义交并比。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：利用数据集确定各类别的代价函数，具体包括：获取数据集，所述数据集包括连续样本图像帧的多个运动目标的真实框；获取检测器输出的样本图像每一帧中的预设类别的运动目标的检测框；利用样本图像上一帧中所有运动目标的运动信息，得到样本图像上一帧中所有运动目标在样本图像每一帧中的预测框；基于二维交并比的代价函数，计算检测框和所有预测框的关联值，由此构建第一关联代价样本矩阵；基于第一关联代价样本矩阵，使用匹配算法得到样本图像每一帧中匹配成功的检测框；利用样本图像所有帧的匹配成功的检测框和对应的预设类别的运动目标的真实框计算第一准确度；基于三维交并比的代价函数，计算检测框和所有预测框的关联值，由此构建第二关联代价样本矩阵；基于第二关联代价样本矩阵，使用匹配算法得到样本图像每一帧中匹配成功的检测框；利用样本图像所有帧的匹配成功的检测框和对应的预设类别的运动目标的真实框计算第二准确度；基于二维广义交并比的代价函数，计算检测框和所有预测框的关联值，由此构建第三关联代价样本矩阵；基于第三关联代价样本矩阵，使用匹配算法得到样本图像每一帧中匹配成功的检测框；利用样本图像所有帧的匹配成功的检测框和对应的预设类别的运动目标的真实框计算第三准确度；基于三维广义交并比的代价函数，计算检测框和所有预测框的关联值，由此构建第四关联代价样本矩阵；基于第四关联代价样本矩阵，使用匹配算法得到样本图像每一帧中匹配成功的检测框；利用样本图像所有帧的匹配成功的检测框和对应的预设类别的运动目标的真实框计算第四准确度；基于欧氏距离的代价函数，计算检测框和所有预测框的关联值，由此构建第五关联代价样本矩阵；基于第五关联代价样本矩阵，使用匹配算法得到样本图像每一帧中匹配成功2CN115908498A权利要求书2/2页的检测框；利用样本图像所有帧的匹配成功的检测框和对应的预设类别的运动目标的真实框计算第五准确度；将第一准确值、第二准确值、第三准确值、第四准确值和第五准确值中的最大值对应的代价函数作为预设类别的代价函数。5.根据权利要求4所述的方法，其特征在于，利用样本图像所有帧的匹配成功的检测框和对应的预设类别的运动目标的真实框计算准确度；包括：获取检测器